《Gabor变换在模态参数辨识中的应用》

对Gabor时频变换在模态参数辨识中的应用进行了探讨,将基于Gabor系数展开的时频滤波方法作为参数辨识的前处理手段之一,该方法对于平稳、非平稳信号都适用。根据信号在时频域内的分布特征,可以直接观测系统的频率分布情况、模态密集程度、能量聚集性、各通道响应信号所含特征量的多少等信息,从而对响应信号的特征构成进行初步判断,并通过剔除、截取等操作实现对响应信号的滤波,更有利于模态参数的辨识。     

一种随机激励下时变结构工作模态辨识方法

时变结构在随机激励下的瞬时频率辨识始终是一项充满挑战的任务。结合图像处理技术和基于能量的脊线检测方法，提出一种自适应提取时频脊线的方法，其优点在于无须先验信息（如分量个数、分量带宽）即可实现时频域内所有分量脊线的提取，同时增强脊线提取的稳定性。在已知瞬时频率的基础上，又利用多通道固有啁啾分量分解方法实现时域内各通道各频率成分的同步分离，通过计算各分量的瞬时振幅比值获得瞬时振型。白噪声激励下的三自由度时变结构仿真和色噪声激励下的充液圆筒放水实验证明了该方法的有效性、鲁棒性和实用性。     

应用时频分析方法辨识时变系统的模态参数

应用Gabor展开及Hilbert变换进行时变线性系统模态参数的辨识。利用非平稳信号的Gabor变换将结构响应信号表示在时频面上，并通过Gabor展开重构分离模态分量，建立每一阶模态的时变线性模型。对单模态时变线性模型应用Hilbert变换来辨识随时间变化的模态频率和阻尼。通过对刚度和阻尼慢变的两自由度系统模态参数的仿真辨识验证辨识方法的有效性。仿真结果表明：本文方法为时变线性系统的模态参数辨识提供了一条新的途径。     

应用时频表示进行结构时变模态频率辨识

本文应用线性和二次时频表示的方法，包括：线性时频分析方法短时傅里叶变换和二次时频表示魏格纳－维尔分布，进行了时变结构模态频率的辨识。通过对刚度连续变化的二自由度系统时变模态频率辨识的仿真，论述了两种时频辨识方法的特点。仿真结果表明时频变换辨识方法是辨识时变模态频率的有效工具，魏格纳－维尔分布二次时频表示能够是到比基于短时傅里叶变换的谱图更好的辨识结果。     

基于时频滤波的时变模态分解方法

应用非平稳信号的时频滤波进行多自由度时变线性系统的模态分解。将基于Gabor展开的时频滤波 方法引入多自由度线性时变结构模态参数辨识中,提取单模态响应分量。对线性时变系统在白噪声激励下振动响 应的单模态响应进行提取,通过对附加质量随时间连续变化的悬臂梁的单模态响应分离来验证分解方法韵有效 性。实验研究结果和理论计算结果表明:方法为参数时变的线性系统的模态分解提供了一条新的途径。     

结构模态参数辨识的时频分析方法

本文应用线性和二次时频变换方法 ,包括 :线性时频分析方法短时傅立叶变换和二次时频表示魏格纳—维尔分布 ,进行了时变结构模态参数的辨识。通过对刚度突变的单自由度系统时变参数辨识的仿真 ,论述了两种时频辨识方法的特点。仿真结果表明时频变换辨识方法是辨识时变模态参数的有效工具 ,魏格纳—维尔分布二次时频表示能得到比基于短时傅立叶变换的谱图更好时间和频率分辨率的辨识结果     

从响应信号辨识斜拉桥模型的模态参数

针对斜拉桥模型在平稳随机激励下的模态参数辨识问题，研究了提高子空间方法参数辨识精度和可信度的有效途径。在矩阵奇异值分解的基础上，文中使用信号特征分量的能量指标来估计模型阶次，同时给出一种特征频率随拟合数据变化的稳定图。在虚假特征显示能力以及降低数值运算量等方面，这种形式的稳定图与能量指标的结合具有正更大的优越性。在斜拉桥模型的模态参数辨识中，物理模态和寄生模态得到了很好的分离，而且斜拉桥模型在分析频带内的物理模态被全部识别出来。辨识结果的比较说明了给出的辨识方法是有效的。     

一种基于NARX神经网络的振动主动控制方法

针对主被动混合隔振系统中次级通道的非线性因素和时变特性,设计一种基于有源非线性自回归神经网络(Nonlinear Auto-regressive With Exogenous Inputs Neural Network,NARX-NN)的次级通道系统辨识的方法,并成功应用于振动主动控制系统中。首先,使用NARX神经网络对次级通道进行辨识得到准确的次级通道模型;其次,采用FIR滤波器重构初级通道的输出,从而获得作动器的输出信号,基于重构得到数据对辨识的网络进行在线学习,可以避免由白噪声激励在系统中带来的随机振动对控制效果的影响;最后搭建仿真模型以及实验平台,仿真结果表明,该控制算法可以克服次级通道的时变性导致的次级通道失真问题;实验结果表明,该算法对15、20 Hz的线谱分别取得30.1、40.4 dB的能量衰减效果,能够有效地实现振动主动控制。     

基于改进最小二乘步骤的NARMA模型辨识非线性时变结构系统

基于时变非线性自回归滑动平均模型利用改进的递推最小二乘算法提出一种用于非线性时变结构系统辨识的方法。利用线性变换将非线性时不变结构系统的动力学模型转化为非线性自回归滑动平均模型,然后将非线性项展开为系统输出数据的多项式的形式。利用短时时不变假设,通过改变模型的参数跟踪系统参数的变化,将非线性时变系统的辨识问题转化为线性时变系统的辨识问题,再利用改进的递推最小二乘算法实现对非线性时变结构系统的辨识。最后通过一个具有非线性时变刚度的三自由度结构系统的仿真算例表明,该方法可以有效地辨识非线性时变结构系统。     

时频面上基于瞬频估计的信号提取方法

针对多分量非平稳信号的噪声抑制和信号分离问题,提出了一种新的时频滤波法.采用FMmlet自适应分解将被分析信号在时频空间内展开,得到无交叉项干扰、时频聚集性很强,且能反映信号的线性或非线性结构的时频特性的时频分布.根据时频面内能量脊与瞬时频率的对应关系,采用谱峰检测和时频加窗轮流迭代的方法,估计出信号分量的瞬时频率.在瞬时频率精确估计的基础上,设计适当的时频滤波函数,对被分析信号的Wigner-Ville分布(WVD)进行时频加窗处理,得到单分量信号的修正WVD,然后采用 WVD反变换进行信号分量的时域重构,达到从非平稳信号中分离有用分量的目的.理论分析和仿真实验表明,利用该方法从复杂非线性时变信号中提取出的信号分量失真度小.该方法在非平稳信号的深层特征提取中具有良好的应用前景.     

线性时变系统的状态空间模型递推辨识研究

针对线性时变系统中状态空间模型的辨识问题,本文提出了一种新的模型参数矩阵的递推辨识格式。不同于常用的利用奇异值分解(SVD)或者最小二乘原理计算时变状态空间模型参数的方法,这种新的递推方法基于信号子空间投影原理,通过重新建立输入输出数据之间的关系,构建新的信号子空间矩阵,从而递推得到系统的时变状态空间模型参数。与现有的计算时变状态空间模型的方法相比,这种新的递推方法由于不需要进行SVD的计算,从而大幅的减少了计算时间。特别是当系统的阶次较高时,计算效率优势更为明显。在算例中将这种方法与经典的使用SVD的时变ERA(TV-ERA)方法从辨识结果和计算效率上进行了比较。仿真结果表明这种新的递推算法能有效辨识状态空间方程形式的线性时变系统的模型参数,和TV-ERA方法相比具有更高的计算效率。     

两种新的基于子空间跟踪的时变模态参数快速辨识算法

该文研究了基于子空间跟踪的时变模态参数快速辨识算法的过程。对更新的输入/输出数据的预处理后, 时变模态参数辨识的主要问题转化成子空间跟踪, 引入NPI 和API 子空间跟踪算法替代PAST 形成两种新的时变模态参数快速识别算法。通过对移动分布质量-悬臂梁这一典型的时变结构系统以及两自由度弹簧-质量系统的时变模态参数识别验证了新算法的有效性并且比较分析了这3种基于不同子空间跟踪算法的时变模态参数识别算法的辨识能力。     

时变金属切削过程颤振的线性,非线性时序模型

本文首先提出了时变金属切削过程的概念,然后采用对信号分段的AR、SETAR模型描述其时变性.文中对时变切削颤振的AR谱、颤振模态的阻尼率、时变系统的特征根、稳态颤振的极限环四个方面进行了研究,并直接用于第二汽车制造厂关键设备M_x-4车床的振动问题,较好地解释了M_x-4车床颤振的一些特有现象.     

改进的子空间方法及其在时变结构参数辨识中的应用

本文给出了一种可用于时变结构参数辨识的子空间跟踪方法。子空间方法运用特征分析理论,通过矩阵分解来得到信号子空间。首先将要跟踪的矩阵变换为一种适合在线跟踪的格式,将新的数据信息组合成一个维数不变的矩阵,通过对该矩阵的奇异值分解来更新上一步的信号子空间。这样就避免了对一个不断增长的Hankle阵做奇异值分解,有效的缩减了计算量。将该方法用于机械臂系统,通过施加一个随时间变化的力来改变机械臂的固有频率。选择合适的遗忘因子以协调跟踪能力和辨识仿真结果证实了算法跟踪时变参数的能力。     

基于自适应子空间估计的DOA跟踪算法

运用特征子空间类高分辨方法的关键在于信号或噪声子空间的估计。实际上有些信号的统计特性通常随时间变化，为了得到参数的实时估计值，需要随时根据新的阵列接收数据对信号或噪声子空间进行更新?文中分析了一种自适应子空间估计算法，即MALASE(Maximum Likelihood Adaptive Subspaee Estimation)算法然后，把MALASE算法与最小范数(Mini—Norm)高分辨方位计算法相结合．并应用零点跟踪技术，提出了一种自适应Mini—Norm算法，可用于对时变的信号波达方向(DOA)进行跟踪估计。仿真结果验证了该算法具有较好的跟踪性能。     

随机子空间识别在悬索桥实验模态分析中的应用

为了从大型悬索桥的脉动实验结果得出精确的结构动力特性,以便进行结构的抗风、抗震研究和实时监测,本文利用随机子空间系统识别方法对虎门悬索桥进行了模态分析。这种时域识别方法基于状态空间模型,仅利用结构输出反应,避免了传统的人工识别和迭代过程,但必须利用稳定图形确定模型阶数。同有限元数值计算结果作比较后可看出,该法能识别出10个频率在0.5Hz以下的自振频率,并且可得到较好的结构阻尼,说明随机子空间系统识别方法是分析大型桥梁脉动实验特征参数的有力工具。     

粒子滤波参数估计方法在齿轮箱剩余寿命预测中的应用研究

针对非线性非高斯系统的剩余寿命（RUL）预测问题,本文提出了一种基于粒子滤波（PF）理论的设备剩余寿命预测方法。首先建立设备的非线性状态空间模型（含有未知的时变参数）,然后通过粒子滤波算法估计出设备状态的概率密度函数（PDF）,从而根据该PDF计算出设备的RUL。此外,计算设备RUL的期望值和95%置信区间,并对模型的预测效果进行评估,验证预测的有效性和准确性。最后通过齿轮箱的全寿命实验,对本文所提方法的有效性进行实例验证,将实验结果和传统的比例风险模型（PHM）预测结果对比分析,结果表明本文提出的剩余寿命预测方法要优于传统的PHM预测方法。     

阻尼和刚度项含时变参数的强非线性振动系统周期解研究

对一类阻尼和刚度系数均含有时变参数的强非线性系统进行了研究,针对时变阻尼项和刚度项之间的耦合作用使周期解的平均值发生漂移问题,为能够在任意参数平面范围内求出该系统的周期解,提出了一种改进的能量迭代法,给出了用改进的能量迭代法求此类强非线性系统主振动解及谐振解的过程与结果,推导出了系统主振动的幅频和相频响应方程。以主振动为例,把求得的周期解和幅频曲线与数值仿真结果进行了比较,结果表明解析解与数值解吻合良好。     

A numerical algorithm for nonlinear dynamic problems based on BEM

A semi-analytical time-integration procedure for the integration of discretized dynamic mechanical systems is presented. This method utilizes the advantages of the boundary element method (BEM), well known from quasi-static field problems. Motivated by these spatial formulations, the present dynamic method is based on influence functions in time, and gives exact solutions in the linear time-invariant case. Similar to domain-type BEM’s for nonlinear field problems, the method is extended for different nonlinear dynamic systems having nonclassical damping and time-varying mass. The numerical stability and accuracy of the semi-analytical method is discussed in two steps for the nonclassical damping and for the nonlinear restoring forces, e.g. of the Duffing type. The damped Duffing oscillator and a linear oscillator with time-varying mass are used as representative model problems. For a nonlinear rotordynamic system, a comparison is given to other conventionally used time integration procedures, which shows the efficiency of the present method.